Nó không phải là trường hợp lũy thừa một biến ngẫu nhiên đồng nhất mang lại một hàm mũ, cũng không lấy nhật ký của biến ngẫu nhiên theo hàm mũ mang lại một đồng nhất.
Đặt đồng đều trên và đặt .( 0 , 1 ) X = exp ( U )Bạn( 0 , 1 )X= điểm kinh nghiệm( U)
FX( x ) = P( X≤ x ) = P( điểm kinh nghiệm( U)≤x)=P(U≤lnx)=lnx,1<x<e
Vậy .fx(x)=ddxlnx=1x,1<x<e
Đây không phải là một biến thiên theo cấp số nhân. Một tính toán tương tự cho thấy nhật ký của số mũ không đồng nhất.
Đặt là số mũ tiêu chuẩn, do đó, .F Y ( y ) = P ( Y ≤ y ) = 1 - e - yYFY(y)=P(Y≤y)=1−e−y,y>0
Hãy . Sau đó .F V ( v ) = P ( V ≤ v ) = P ( ln Y ≤ v ) = P ( Y ≤ e v ) = 1 - e - e vV=lnYFV(v)=P(V≤v)=P(lnY≤v)=P(Y≤ev)=1−e−ev,v<0
Đây không phải là đồng phục. (Thật vậy, là biến ngẫu nhiên được phân phối theo Gumbel , vì vậy bạn có thể gọi phân phối của là 'Gumbel lật'.)V−VV
Tuy nhiên, trong mỗi trường hợp, chúng ta có thể thấy nó nhanh hơn bằng cách xem xét các giới hạn về các biến ngẫu nhiên. Nếu là đồng nhất (0,1) thì nó nằm trong khoảng từ 0 đến 1 nên nằm giữa và ... vì vậy nó không theo cấp số nhân. Tương tự, đối với hàm mũ , được bật , do đó không thể đồng nhất (0,1), cũng không thực sự là bất kỳ đồng phục nào khác.X = exp ( U ) 1 e Y ln Y ( - ∞ , ∞ )UX=exp(U)1eYlnY(−∞,∞)
Chúng tôi cũng có thể mô phỏng, và một lần nữa nhìn thấy nó ngay lập tức:
Đầu tiên, cấp số nhân cho một bộ đồng phục -
[đường cong màu xanh là mật độ (1 / x trên khoảng thời gian được chỉ định) mà chúng tôi đã thực hiện ở trên ...]
Thứ hai, nhật ký của số mũ:
Mà chúng ta có thể thấy là xa đồng phục! (Nếu chúng ta phân biệt cdf mà chúng ta đã làm trước đây, sẽ cho mật độ, nó phù hợp với hình dạng chúng ta thấy ở đây.)
Thật vậy, phương pháp cdf nghịch đảo chỉ ra rằng việc lấy âm của nhật ký của một biến thiên (0,1) mang lại một phương sai theo hàm mũ tiêu chuẩn, và ngược lại, lũy thừa âm của một hàm mũ tiêu chuẩn sẽ tạo ra đồng nhất. [Cũng xem biến đổi tích phân xác suất ]
Phương pháp này cho chúng ta biết rằng nếu , . Nếu chúng ta áp dụng nghịch đảo của cdf như một phép biến đổi trên , một đồng phục tiêu chuẩn, biến ngẫu nhiên kết quả có hàm phân phối .U=FY(Y)Y=F−1(U)UFY
Nếu ta để đồng đều (0,1) thì . Đặt . (Lưu ý rằng cũng đồng nhất trên (0,1) vì vậy bạn thực sự có thể để , nhưng chúng tôi đang theo phương pháp cdf nghịch đảo đầy đủ ở đây)UP(U≤u)=uY=−ln(1−U)1−UY=−lnU
Khi đó , là cdf của số mũ tiêu chuẩn.P(Y≤y)=P(−ln(1−U)≤y)=P(1−U≥e−y)=P(U≤1−e−y)=1−e−y
[Thuộc tính này của biến đổi cdf nghịch đảo là lý do tại sao biến đổi thực sự cần thiết để có được phân phối theo cấp số nhân và biến đổi tích phân xác suất là lý do tại sao lũy thừa âm của hàm mũ âm trở lại đồng phục.]log